Gene Ontology-Guided Hierarchical Spatial Gene Expression Prediction from Histopathology Images

تخيل أنك تحاول حل أحجية صور مقطوعة (jigsaw puzzle) ضخمة ومعقدة، ولكن بدلاً من قطع الصور، أنت تحاول اكتشاف التعليمات السرية (الجينات) التي تخبر الخلية بكيفية التصرف، وذلك فقط من خلال النظر إلى صورة فوتوغرافية لحيّ الخلية (شريحة نسيج). لعقود من الزمن، تمكن العلماء من التقاط هذه الصور، المعروفة باسم صور علم الأمراض النسيجي (histopathology images)، واستخدامها لتشخيص الأمراض. ومع ذلك، لرؤية التعليمات الجينية الفعلية، يتعين عليهم عادةً إجراء اختبارات كيميائية مكلفة ومستهلكة للوقت على النسيج نفسه. يستكشف هذا البحث طريقاً مختصراً ذكياً: هل يمكننا استخدام الكمبيوتر لـ "قراءة" الجينات مباشرة من الصور الفوتوغرافية القياسية الرخيصة؟

التحدي يكمن في أن الجينات لا تعمل بمعزل عن بعضها البعض؛ فهي تشبه أعضاء عائلة ضخمة ومترابطة. بعض الجينات هم أبناء عمومة، وبعضهم إخوة، وجميعهم ينتمون إلى نوادٍ أو "مجموعات وظيفية" محددة تؤدي وظائف متشابهة. حاولت الطرق الحاسوبية القديمة تخمين كل هذه الجينات دفعة واحدة، ومعاملتها كقائمة عشوائية من العناصر غير المترابطة. هذا يشوق محاولة تخمين حبكة فيلم من خلال تخمين كل جملة حوار دون معرفة هيكل القصة أولاً. إنها مهمة ضخمة وفوضوية وغالباً ما تؤدي إلى أخطاء لأن الكمبيوتر يضطر لاكتشاف الروابط العائلية بنفسه، باستخدام بيانات محدودة جداً.

هنا يظهر نهج جديد يسمى MSGR، والذي يعمل كدليل ذكي يعرف شجرة العائلة. فبدلاً من تخمين القائمة بأكملها دفعة واحدة، يستخدم هذا الأسلوب خريطة مسبقة المعرفة بيولوجياً تسمى "الوجود الجيني" (Gene Ontology). فكر في هذه الخريطة كأنها مكتبة ضخمة ومنظمة حيث يتم تصنيف الكتب (الجينات) أولاً حسب النوع العام، ثم حسب موضوعها المحدد، وأخيراً حسب العنوان الفردي. ومن خلال اتباع هذه الخريطة، يمكن للكمبيوتر تخمين القصة العامة أولاً، ثم ملء الفصول، وأخيراً كتابة الجمل المحددة. يوضح هذا البحث أنه باستخدام "شجرة العائلة" البيولوجية هذه لتوجيه عملية التخمين، يصبح الكمبيوتر أفضل بكثير في التنبؤ بالتعليمات الجينية من صور الأنسجة، متفوقاً حتى على الأساليب الأكثر تقدماً التي تحاول تخمين كل شيء في قفزة واحدة ضخمة.

الفكرة الكبرى: من التخمين المسطح إلى الرحلة الموجهة

المشكلة الجوهرية التي يعالجها المؤلفون هي كيفية التنبؤ بـ التعبير الجيني المكاني — أي أي الجينات نشطة في بقعة معينة من النسيج — باستخدام مجرد صورة مجهرية قياسية لذلك النسيج. حالياً، يتطلب الحصول على هذه البيانات الجينية معدات مخبرية خاصة ومكلفة. الهدف هو بناء نموذج حاسوبي يمكنه النظر إلى شريحة نسيج روتينية (مثل تلك التي يستخدمها الأطباء يومياً) والتنبؤ بدقة بالجينات التي تعمل أو تتوقف في كل نقطة صغيرة من تلك الشريحة.

حاولت الأساليب السابقة القيام بذلك عن طريق معاملة قائمة الجينات كمتجه "مسطح". تخيل أنك تحاول تخمين حالة الطقس في كل مدينة على وجه الأرض في وقت واحد من خلال النظر إلى صورة واحدة للأقمار الصناعية، دون أن تعرف أن المدن في نفس الدولة تشترك عادة في أنماط طقس متشابهة. كان على الكمبيوتر تعلم العلاقات المعقدة بين مئات الجينات بالكامل من البيانات المقدمة له. ولأن البيانات كانت محدودة، كان الكمبيوتر غالباً ما يرتبك، ويفتقد الروابط الدقيقة بين الجينات التي تعمل معاً في نفس المسارات البيولوجية.

يقترح المؤلفون استراتيجية مختلفة: MSGR (مُحسِّن الجينات متعدد المقاييس). بدلاً من تخمين القائمة بأكملها دفعة واحدة، يقوم MSGR بتفكيك المشكلة إلى رحلة خطوة بخطوة، مسترشدة بـ الوجود الجيني (GO). الـ GO هو قاموس ضخم ومنسق ينظم الجينات في تسلسل هرمي بناءً على ما تفعله. فهو يجمعها في فئات عريضة (مثل "العملية البيولوجية" أو "الوظيفة الجزيئية")، ثم إلى مجموعات فرعية أكثر تحديداً، وأخيراً وصولاً إلى الجينات الفردية.

فكر في الأمر كأنك محقق يحل لغزاً. الأسلوب "المسطح" يحاول تسمية الجاني، والدوافع، والسلاح، والوقت دفعة واحدة. أما MSGR، فيعمل كمحقق يحدد أولاً نوع الجريمة (مستوى هرمي)، ثم الموقع المحدد (مستوى أدنى)، وأخيراً الشخص المسؤول بدقة (الجين الفردي). ومن خلال استخدام الـ GO كخريطة، لا يحتاج النموذج إلى ابتكار الروابط بين الجينات؛ بل يتبع ببساطة شجرة العائلة البيولوجية لتنقيح تخميناته.

كيف يعمل MSGR: التنقية "من الخشن إلى الناعم"

يكمن سحر MSGR في المفكك الهرمي (hierarchical decoder) الخاص به. إليك كيف تتدفق العملية، باستخدام تشبيه مرح:

1. الخريطة (تسلسل الـ GO الهرمي): أولاً، يأخذ الباحثون قائمة الجينات المستهدفة وينظمونها في شجرة مكونة من أربعة مستويات.

   • المستوى 0 (الجذر): "جذر افتراضي" يمثل مجموعة الجينات بأكملها.
   • المستوى 1 (الأقسام الكبرى): الفروع الثلاثة الرئيسية للبيولوجيا: العملية البيولوجية، الوظيفة الجزيئية، والمكون الخلوي.
   • المستوى 2 (المواضيع المحددة): مجموعات أكثر تفصيلاً داخل تلك الأقسام.
   • المستوى 3 (الأفراد): الجينات الفعلية نفسها.

2. لعبة التخمين (التصحيحات المتبقية/Residual Corrections): يبدأ النموذج من الأعلى (المستوى 0) ويضع تخميناً تقريبياً جداً للنشاط العام. ثم ينتقل للأسفل بمستوى واحد. وبدلاً من تخمين المستوى التالي من الصفر، فإنه يسأل: "ما هو الفرق بين تخميني الحالي والمستوى التالي؟" يقوم بحساب "تصحيح متبقي" — وهو تعديل صغير لإصلاح التخمين السابق.

   • تشبيه: تخيل أنك تحاول رسم بورتريه. أولاً، ترسم دائرة تقريبية للرأس (المستوى 0). بعد ذلك، لا تعيد رسم الوجه بالكامل؛ بل تضيف العينين والأنف فقط (تصحيحات المستوى 1). ثم تضيف بؤبؤ العين والرموش (تصحيحات المستوى 2). أخيراً، تضيف التفاصيل الصغيرة مثل النمش (تصحيحات المستوى 3). كل خطوة تنقيحاً للخطوة السابقة، مما يجعل الصورة أكثر وضوحاً دون البدء من جديد.

3. "الطريق السريع الكامن" (The Latent Highway): لضمان عدم فقدان النموذج للصورة الكبيرة أثناء التركيز على التفاصيل الدقيقة، يستخدم MSGR "طريقاً سريعاً كامناً". هذا عبارة عن اتصال خاص ينقل "السياق" من المستويات الأوسع إلى المستويات الأكثر تحديداً. إنه يشبه معلماً يهمس بالموضوع الرئيسي للقصة للطالب أثناء كتابته لكل جملة، لضمان أن الجملة تتناسب مع الحبكة العامة.

ماذا تقول الأرقام: هل ينجح الأمر حقاً؟

اختبر المؤلفون MSGR على تسعة مجموعات بيانات مختلفة من معيار HEST-1k، والتي تتضمن أنواعاً مختلفة من أنسجة السرطان مثل سرطان الكلى والرئة والجلد. وقارنوا طريقتهم بسبعة نماذج حاسوبية أخرى رفيعة المستوى، بما في ذلك بعض النماذج التي تستخدم تقنيات "توليدية" معقدة (التي تحاول إنشاء بيانات جديدة من الصفر) وأخرى تستخدم الانحدار القياسي.

كانت النتائج واضحة:

• MSGR فاز بالسباق. في المتوسط، حقق MSGR درجة (PCC-200) بلغت 0.517، متفوقاً على أقرب طريقة منافسة، وهي نموذج توليدي يسمى STFlow، والذي سجل 0.503.
• إنه يعمل في الحالات الصعبة. كان التحسن ملحوظاً بشكل خاص في مجموعات البيانات الصعبة مثل HCC (سرطان الكبد) و READ (سرطان المستقيم)، حيث تفوق MSGR على المنافسين بفوارق كبيرة (على سبيل المثال، +0.021 في HCC).
• إنه ترقية "جاهزة للاستخدام" (Plug-and-play). أحد أكثر النتائج إثارة هو أن MSGR ليس مجرد نموذج جديد؛ بل هو بديل للخطوة النهائية للنماذج الحالية. أخذ المؤلفون نماذج مشهورة أخرى (مثل ST-Net و EGN) واستبدلوا ببساطة جزء "تشفير الجينات المسطح" الخاص بها بمفكك MSGR الهرمي. وفي كل حالة تقريباً، ارتفع الأداء. على سبيل المثال، إضافة MSGR إلى نموذج ST-Net رفعت متوسط درجته من 0.414 إلى 0.432.

استبعاد نظرية "مجرد الهيكلية"

كان السؤال الحاسم الذي طرحه المؤلفون هو: هل MSGR جيد لأنه يستخدم الوجود الجيني (الخريطة البيولوجية)، أم أنه جيد فقط لأنه يستخدم أي هيكلية هرمية؟

للإجابة على ذلك، أنشأوا نسخة من MSGR تسمى MSGR-Random. في هذه النسخة، حافظوا على نفس الهيكل الشجري تماماً ولكن قاموا بخلط الجينات عشوائياً، متجاهلين كل المعرفة البيولوجية.

• النتيجة: سجل MSGR-Random درجة 0.490، بينما سجل MSGR الحقيقي 0.517.
• الاستنتاج: الفرق البالغ +0.027 يثبت أن التحسن يأتي تحديداً من الهيكل البيولوجي للوجود الجيني، وليس مجرد حقيقة أن النموذج يستخدم هيكلية هرمية. يحتاج الكمبيوتر لمعرفة أن الجينات مرتبطة بطرق محددة وحقيقية في العالم لكي يؤدي عمله بأفضل شكل.

تصور النجاح

لمعرفة ما إذا كانت التنبؤات منطقية بيولوجياً، نظر المؤلفون إلى جين محدد يسمى MLANA، وهو علامة لسرطان الميلانوما (سرطان الجلد). قارنوا "الخرائط الحرارية" لنشاط الجينات التي أنتجتها النماذج المختلفة مقابل الحقيقة الأرضية (ground truth).

• أنتجت النماذج القديمة خرائط ضبابية ومنتشرة أخطأت في تحديد الحدود الحادة لمكان نشاط الجين.
• أنتج MSGR خريطة تبدو مطابقة تقريباً للبيانات الحقيقية، حيث التقط كلاً من مناطق النشاط الواسعة والتفاصيل المحلية الحادة. وعندما دمجوا MSGR مع نموذج STFlow، قفزت درجة التنبؤ لهذا الجين المحدد إلى 0.940، مما أظهر دقة عالية للغاية.

الخلاصة

يشير هذا البحث إلى أن مستقبل التنبؤ بالتعبير الجيني من صور الأنسجة يكمي في التفكير الهرمي الموجه. فمن خلال احترام "شجرة العائلة" الطبيعية للجينات واستخدام عملية تنقية خطوة بخطوة، يمكن لأجهزة الكمبيوتر التعلم بشكل أسرع وأكثر دقة مما لو حاولت تخمين كل شيء دفعة واحدة. MSGR لا يضيف فقط طبقة جديدة من التعقيد؛ بل يبسط المشكلة عبر تقسيمها إلى خطوات قابلة للإدارة وذات معنى بيولوجي.

يظهر المؤلفون أن هذا النهج قوي، حيث يعمل عبر تسعة مجموعات بيانات مختلفة ويحسن مختلف النماذج الموجودة دون الحاجة إلى تغيير كيفية معالجة الصور. وبينما لا يدعي البحث أنه حل مشكلة علم التراسك (transcriptomics) المكاني بالكامل، إلا أنه يقدم دليلاً قوياً على أن استخدام المعرفة البيولوجية كدليل هيكلي هو وسيلة قوية لسد الفجوة بين مظهر النسيج وما تفعله جيناته.